­　　網(wǎng)易科技訊 3月27日消息，搜狗CEO王小川今日在在洪泰基金CEO春分大會上做了關于人工智能技術(shù)思考的分享。在開場，王小川首先調(diào)侃著澄清近日因搜狗即將上市而流出的關于自己戀愛時間的傳聞，“我從來沒說過搜狗不上市我不談戀愛這種話”。

­　　關于人工智能，他認為在往三個階段走：1,將傳統(tǒng)規(guī)則教給機器；2,將答案教給機器記憶學習；3,將目標給機器自我學習。而目前正處于第二階段的高級階段。同時，他也認為今年的人工智能還是有很多的局限性。比較難點的是在自然語言的處理，在翻譯系統(tǒng)現(xiàn)在有大的發(fā)展，機器做翻譯能把中文翻譯成英文，英文翻譯成中文，這個能翻譯的很流暢，因為現(xiàn)在的機器人的學習，不是基于理論方法。（錫安）

­　　以下內(nèi)容根據(jù)王小川在現(xiàn)場分享整理：

­　　簡單講，我們講人工智能是往三個階段走，我們還處在第二階段的高級階段，人工智能這個話題不是新課題，在上個世紀60年代、80年代就在做人工智能，那時候做人工智能的教授其實很不幸，那時候人工智能的水平是遠遠不夠的，當時人們把對自己世界的認知變成了規(guī)則，轉(zhuǎn)成了機器人，就是把這個規(guī)則告訴機器，這是那個時代的工作，那是60年代到80年代，人們對規(guī)則的表達是偏離這個目標的，就是做不好。

­　　80年代基于統(tǒng)計方法來做的人工智能，不要嘗試把人對于世界的認知告訴機器，就是讓機器學，讓你看答案是什么。一方面是把原始的問題，看到問題之后把答案給他，這是走上了讓機器人學習的道路，這搞了幾年。這個答案很清楚，很多經(jīng)典案例的是人臉識別，怎么描述呢？胖一點的、瘦一點的等等，我知道這個人是誰，但是沒有辦法描述。到2000年之后的突破點，我們發(fā)現(xiàn)用更粗暴的方法，我們不要嘗試在這個問題上找特征，把特征告訴機器，把原始的問題原始的數(shù)據(jù)交給機器，我給他更多的機器，我給他兩千多張照片，讓他自己去找特征，最后得出答案。2000年之后的爆發(fā)是跟這個相關的，阿爾法狗就是這么出來的，他不是靠原來的方法做的。

­　　今天局部開始走到第三個階段了，阿爾法狗屬于是第二階段加上一點點第三階段，給它一些答案，給它每一個局面下人是怎么走的，讓機器學，這樣可以發(fā)現(xiàn)機器很難追上頂尖的人。到最后我告訴機器說，你走對，你贏了，或者是輸了，這個也可以做了根據(jù)我看到的媒體報道。

­　　在工業(yè)里面我們在第二個階段，一定要用大數(shù)據(jù)。好處是我們不需要工程師對原有的行業(yè)有特別深度的理解，我舉個例子，醫(yī)生他是懂得怎么看心臟病的心電圖，但是他很難把這個規(guī)則明晰的描述給工程師，從去年開始工程師得到很重要的體驗，我不需要醫(yī)生去學習他細節(jié)的技術(shù)經(jīng)驗，只要醫(yī)生告訴我這個代表什么，工程師數(shù)據(jù)量大，就可以建立這樣的模型，這跟選擇人工智能的行業(yè)之間有天然的溝通鴻溝就消失掉了，這個很快就可以在人工智能里面得到突破的應用。未來的兩三年里已經(jīng)有成功工作經(jīng)驗得到了巨大的升級，今年在智能領域里面有一個很大的發(fā)現(xiàn)。

­　　我今天就不講了這個深度學習的意義和突破了，今年的人工智能還是有很多的局限性。核心問題是有一個前提的條件，要很安靜的環(huán)境里，如果這個環(huán)境里還有背景音樂，同時兩三個人一塊說話，人是很清楚能分辨出來的，但是機器做不到，這個對機器而言，如果是聲音里混了聲音，人工智能是對見過聲音的處理，如果兩個人一起說話就不行了。一種做法是我們用麥克風做，我們在汽車里面，汽車里有胎噪和風噪，把這個錄下來，然后在混到這個訓練里面去，不是在識別里面做，而是他見過這樣的聲音。還有就是去噪音。

­　　比較難點的是在自然語言的處理，在翻譯系統(tǒng)現(xiàn)在有大的發(fā)展，機器做翻譯能把中文翻譯成英文，英文翻譯成中文，這個能翻譯的很流暢，因為現(xiàn)在的機器人的學習，不是基于理論方法。人如果流暢，機器也就可以流暢。

­　　我去年6月份去了一個劍橋頂尖語言的實驗室，他們在演示一個人機對話的系統(tǒng)，演示的非常清楚，我想吃辣的，我想吃什么樣的，機器就幫你找。當我找到餐館的時候機器問我問題，你需要停車位嗎？我說我沒有車，它就沒有說的了，因為它不知道車和停車位是什么關系。語音圖像里有大的發(fā)展，語言上現(xiàn)在是非常的不夠。

­　　另外一個很好的視角，跟投資相關的地方，我想看到人工智能的分類，像理解講了一大堆的理論，但如果從產(chǎn)品上分類從功能上分類，我把人工智能分成這么三類。叫級別、判斷和創(chuàng)造，創(chuàng)造叫生成。相信大家會看到一個語音能轉(zhuǎn)化過來，或者是圖像里面可以看到大象在做一個什么事情。今天做的第一個事情就是把物理世界的東西建模，語音識別、圖象識別這都叫識別，像人臉識別，這是一類。還有是創(chuàng)造生成，語音的合成和圖象合成是在這一類，所以一和三能干什么事呢？我們可以提升人機交互，就是在機器里可以看到這么一個東西，能把他合成出來做交互，相對而言就是在安防領域里面做人臉識別，在我心中這個東西有用，但是商業(yè)的價值不大。

­　　現(xiàn)在有一個個人的觀點，就是讓機器做判斷和決策，這個是里面唯一有巨大商業(yè)價值的東西，把人的勞動取代，讓機器產(chǎn)生更高的工作，比如像金融里面是這個例子，阿爾法狗也是，它是在做判斷和決策，一旦讓機器有這樣功能了，他就有很高的效率。我也看一個指數(shù)，1和3是在交互，不能構(gòu)成一個商業(yè)品牌的核心成本，但是做判斷，或者做決策，這是商業(yè)判斷的核心部分。

­　　前面講了一個人工智能的判斷，我給大家分享一點搜狗在這個里面的思考，大家開始思考人工智能了，這就是一個錯誤，人工智能現(xiàn)在的基本做法是要學習，其實對于搜索引擎公司，不管是百度還是搜狗大部分還是在學習?，F(xiàn)在有了深度學習以后我們可以想像的更多，比如在網(wǎng)頁搜索里面，以前靠我們的工程師怎么是高品質(zhì)的，讓這個機器去學，或者是圖象識別這個里面如何更好的發(fā)現(xiàn)人臉，發(fā)現(xiàn)這個特征。深度學習之后需要更大的數(shù)據(jù)量才能做提升。

­　　第二個是對于2C很重要的是圖像和語音，應該叫做深度學習讓我們有了很大的進步，我想表達的是，搜狗從2011年開始做，80%有語音的收入，就是一下子會使得一天產(chǎn)生了兩億次的，每天20萬的語音數(shù)據(jù)我們對了一下，比其他家做的語音識別的識別價值還要大，這個有清晰的應用場景。TO B和TO C的公司是有區(qū)別，這個要有數(shù)據(jù)、場景。因為自己不能成為一個閉環(huán)，沒有場景，就要依靠別人，其他的公司也數(shù)據(jù)和場景，這是一種合作的方式，這不是我們的基因所在。我們是用這樣的技術(shù)首先為自己服務，因為我們有足夠大的數(shù)據(jù)場景做支撐。

­　　還有一個深度的思考，我看到這個是微軟的醫(yī)院，語音識別是不是人工智能的核心，或者是人工智能未來很重要的一個部分，我跟他們的觀點是一樣的，我說不。語音識別之后機器不知道你在說什么，未來的搜索是不是叫語音搜索，這個東西是一個毛皮，因為當我們提到說，王老師這三個字用文字去搜索，本質(zhì)上具有不大。只是把我的新聞、百度、微博推給你，比如你這句話，王小川是不是說過不上市就不結(jié)婚，這個是語音的理解，在人工智能的應用里面，在金融、醫(yī)院里面的應用都會很有用。語音在里面今天是沒有功課的事情，語言跟這個都有關系，因為你用語音做識別的時候就把他變成語音，語言變語音我們也在做，但是我們考慮的是以個為核心做周邊的發(fā)展。包括兩個語音的轉(zhuǎn)化是翻譯，最后是語音的理解，這是我們to C公司里面思考的，叫自然交互和知識計算，自然交互是以語音為中心，還有是怎么建立對語音的分析和理解，這是我們的一個圖。

­　　行業(yè)中會有共識，未來很重要的事情，語音在于是對話、翻譯、問答，這幾個都是最前沿的工作。我們?yōu)槭裁纯紤]呢？今天是詞的搜索，未來是給機器提問題，讓他有一個精準的答案，我們在這個工作里面也做了很多的積累，我們認為在1年以內(nèi)會有突破，不代表是機器理解了，而是在很多問題里面可以直接的回答。以前是靠拼音，敲漢字進去，未來我們是希望別人問，今天我們的上午什么時候舉行，他不用拼拼音了，他就可以直接表現(xiàn)出來。

­　　翻譯是在去年開始的，是一個有大突破的事情，翻譯的解決會使世界格局帶來變得變化，我對他有這樣的期待，不光我們在做，這是全人類的事情。如果人類做好了，這個是非常有意義的事情。因此不同的人說不同的語音，這是中間的過程。